多模态场景图

MSGNav：释放多模态 3D 场景图在零样本具身导航中的潜力

MSGNav: Unleashing the Power of Multi-modal 3D Scene Graph for Zero-Shot Embodied Navigation

用动态分配图像替代文本关系边构建多模态 3D 场景图，保留视觉证据以支持开放词表零样本导航；其关键子图选择与基于可见性的最终视点决策模块，可直接迁移到需要从 3D 场景表示中检索目标并确定可行停靠位姿的视觉任务。